| 통계학 Statistics | |||
| {{{#!wiki style="margin:0 -10px -5px; min-height:calc(1.5em + 5px); word-break: keep-all" {{{#!folding [ 펼치기 · 접기 ] {{{#!wiki style="margin:-5px -1px -11px" | <colbgcolor=#4d4d4d><colcolor=#fff> 수리통계학 | 기반 | 실해석학 (측도론) · 선형대수학 · 이산수학 |
| 확률론 | 사건 · 가능성 · 확률 변수 · 확률 분포 (표본 분포 · 정규 분포 · 이항 분포 · 푸아송 분포 · 카이제곱분포 · t분포 · Z분포 · F-분포 · 결합확률분포) · 확률밀도함수 · 확률질량함수 · 조건부확률 · 조건부기댓값 · 조건부분산 · 전체 확률의 법칙 · 베이즈 정리 · 도박사의 오류 · 도박꾼의 파산 · 몬티 홀 문제 · 뷔퐁의 바늘 · 마르코프 부등식 · 체비쇼프 부등식 · 큰 수의 법칙 (무한 원숭이 정리) · 중심극한정리 · 벤포드의 법칙 | ||
| 통계량 | 평균 (제곱평균제곱근 · 산술 평균 · 기하 평균 · 조화 평균 · 멱평균 · 대수 평균) · 기댓값 · 편차 (절대 편차 · 표준 편차) · 분산 (공분산) · 결정계수 · 변동계수 · 상관계수 · 대푯값 · 자유도 | ||
| 추론통계학 | 가설 · 변인 · 추정량 · 점추정 · 신뢰 구간 · 상관관계와 인과관계 · 실험통계학 · p-해킹 · 통계의 함정 · 그레인저 인과관계 · 신뢰도와 타당도 | ||
| 통계적 방법 | 회귀 분석 · 최소제곱법 · 분산 분석 · 주성분 분석 (요인 분석) · 시계열 분석 · 패널 분석 · 2SLS · 생존 분석 · GARCH · 비모수통계학 · 준모수통계학 · 기계학습 (군집 분석 · 분류 분석) · 위상 데이터분석 · 외삽법 · 메타 분석 · 모델링 (구조방정식) | ||
| 기술통계학 · 자료 시각화 | 도표 (그림그래프 · 막대그래프 · 선 그래프 · 원 그래프 · 상자 수염 그림 · 줄기와 잎 그림 · 산포도 · 산점도 · 히스토그램 · 도수분포표) · 그래프 왜곡 · 이상점 | }}}}}}}}} | |
1. 개요
Granger causality. 국문으로는 그레인저 인과관계, 그래인저 인과성등 다양하게 쓰이고 있다. 시계열을 분석하는 통계학/계량경제학 방법론2. 상세
A와 B가 있을 때(예를 들어 매년 생산되는 닭의 수와 달걀의 수) A가 B를 그레인저 인과한다면(A granger causes B), B를 예측할 때 과거의 B값만을 사용하는 것보다 과거의 A값도 사용한 예측이 더 많은 정보를 제공한다는 것이다. 즉, A의 변화가 B의 변화를 예측할 수 있다는 것.물론 이것이 일반적인 인과관계를 의미하는 것은 아니다. 여기서 말하는 인과관계는 시간적 인과관계, 혹은 시간적 순서를 의미한다. X, Y, Z의 세 변수가 있고 X가 Y,Z를 유발하는 원인이라 하자. 만약 X가 Y에 좀 더 빠르게 작용하고, Z에는 느리게 작용한다면 Y, Z를 대상으로 그레인저 인과관계를 검증할 때 Y가 Z를 그레인저 인과한다고 나오게 될 것이다. 여기서 Y가 Z의 원인이 아님은 물론이다. 인과관계임을 보이려면 다른 방법, 예를 들어 Y가 Z의 원인임을 이론적으로 설명해야 한다.
하지만 이런 한계에도 불구하고 그레인저 인과검정은 매우 유용하다. 그레인저 인과관계가 없다면 인과관계가 없다는 것이기 때문이다. 뒤에 일어난 일이 먼저 일어난 일의 원인이 될 수는 없기 때문이다.